دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Claus Weihs, Olaf Mersmann, Uwe Ligges سری: Chapman & Hall/CRC Computer Science & Data Analysis ISBN (شابک) : 1439878854, 9781439878859 ناشر: Chapman and Hall/CRC سال نشر: 2013 تعداد صفحات: 495 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مبانی الگوریتم های آماری: با اشاره به بسته های R: آمار احتمال ریاضیات کاربردی ریاضی علوم ریاضی کتاب های درسی اجاره ای جدید استفاده شده بوتیک تخصصی
در صورت تبدیل فایل کتاب Foundations of Statistical Algorithms: With References to R Packages به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مبانی الگوریتم های آماری: با اشاره به بسته های R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
رویکردی متفاوت و جدید برای ارائه مبانی الگوریتمهای آماری، مبانی الگوریتمهای آماری: با ارجاع به بستههای R توسعه تاریخی الگوریتمهای پایه را برای روشنسازی مرور میکند. تکامل الگوریتم های آماری قدرتمندتر امروزی بر مضامین تکرارشونده در همه الگوریتمهای آماری، از جمله محاسبه، ارزیابی و تأیید، تکرار، شهود، تصادفی، تکرار و موازیسازی، و مقیاسپذیری تأکید میکند. این کتاب که از نظر دامنه منحصربهفرد است، چالش آتی مقیاس کردن بسیاری از تکنیکهای تثبیتشده به مجموعه دادههای بسیار بزرگ را مرور میکند و با نشان دادن نحوه استخراج کلاسهای کلی از ورودیهای بدترین حالت و تأکید بر اهمیت آزمایش بر روی تعداد زیادی از دادههای مختلف، به تأیید سیستماتیک میپردازد. ورودی ها
این کتاب به طور گسترده در دسترس است، مثالها، تمرینها و راهحلهای انتخاب شده در هر فصل و همچنین دسترسی به یک وبسایت تکمیلی را ارائه میدهد. پس از کار بر روی مطالب پوشش داده شده در کتاب، خوانندگان نه تنها باید الگوریتم های فعلی را درک کنند، بلکه باید درک عمیق تری از نحوه ساخت الگوریتم ها، نحوه ارزیابی الگوریتم های جدید، که اصول تکرار شونده برای مقابله با برخی از مشکلات سختی که برنامه نویسان آماری با آن مواجه هستند، به دست آورند. و چگونه می توان برای یک روش جدید ایده گرفت و آن را به چیزی عملا مفید تبدیل کرد.
A new and refreshingly different approach to presenting the foundations of statistical algorithms, Foundations of Statistical Algorithms: With References to R Packages reviews the historical development of basic algorithms to illuminate the evolution of today’s more powerful statistical algorithms. It emphasizes recurring themes in all statistical algorithms, including computation, assessment and verification, iteration, intuition, randomness, repetition and parallelization, and scalability. Unique in scope, the book reviews the upcoming challenge of scaling many of the established techniques to very large data sets and delves into systematic verification by demonstrating how to derive general classes of worst case inputs and emphasizing the importance of testing over a large number of different inputs.
Broadly accessible, the book offers examples, exercises, and selected solutions in each chapter as well as access to a supplementary website. After working through the material covered in the book, readers should not only understand current algorithms but also gain a deeper understanding of how algorithms are constructed, how to evaluate new algorithms, which recurring principles are used to tackle some of the tough problems statistical programmers face, and how to take an idea for a new method and turn it into something practically useful.